[发明专利]基于周期交互机制和知识板协同机制的多种群微粒群算法

摘要

本发明公开了一种基于周期交互机制和知识板协同机制的多种群微粒群算法，首先，本发明利用基于改进初始聚类中心的K均值完成对种群的划分，确定将要划分种群的初始聚类中心，利用K均值迭代的思想对聚类中心进行优化，得到稳定的初始聚类中心；再引入周期共享机制和知识板，使子种群之间的信息间隔一定的周期进行更新。在一个搜索周期内，子种群在其相邻子种群的引导下协同搜索，其余子种群均独立搜索，依次完成整个搜索过程。同时知识板中记录的子种群的搜索信息可以协助子种群在搜索过程中判断微粒的搜索状态，调整搜索方向，提高算法的收敛精度；与现有的微粒群优化算法相比，本发明通过考虑种群初始划分的稳定性和充分利用子种群搜索过程中的搜索到的信息，指导微粒的飞行方向，从而实现提高微粒群算法的搜索速度和收敛精度。

主权项

1.基于周期交互机制和知识板协同机制的多种群微粒群算法，其特征在于充分利用搜索过程中微粒搜索到的信息，提高种群的搜索精度和搜索速度，主要包括如下步骤：步骤一，将种群中的微粒初始化，包括初始化种群中微粒的数目、搜索空间的维数、惯性权重、认知系数，社会系数，协同系数，最大速度等参数，对种群中参与搜索的微粒的速度、位置随机初始化，并对飞行速度和位置给出边界限制，找出微粒初始状态下的个体历史最优值和群体最优值；步骤二，利用改进的K均值聚类算法确定种群的初始聚类中心，实现对种群的划分；步骤三，划分后的子种群搜索过程中，引入周期共享机制，使子种群之间的信息间隔一定的周期进行更新；具体过程包括如下步骤：步骤a，若t小于协同周期，各子种群独立搜索且各子种群依据公式(1)和公式(2)更新自身的速度和位置；vi(t+1)＝w*vi(t)+c2*r2*(pg(t)‑xi(t))   (1)xi(t+1)＝xi(t)+vi(t+1)   (2)其中v代表微粒的飞行速度，t代表微粒更新的代数，c2代表微粒的社会认知系数。步骤b，若t大于协同周期且小于最大迭代次数，子种群k在与其相邻的前一个子种群(k‑1)的引导下协同搜索，依据公式(3)和公式(4)更新位置和速度，其余子种群均独立搜索，依据公式(1)和公式(2)更新速度和位置；其中v代表微粒的飞行速度，t代表微粒更新的代数，c1代表微粒的自我认知系数，c2代表微粒的社会认知系数。步骤c，判断各子种群是否均完成协同，若未完成协同则返回步骤b，直到所有子种群均完成协同搜索；步骤四，若协同子群陷入局部最优，判断是否满足精度要求，若满足则输出结果，若不满足则返回步骤三；若搜索过程中协同子群陷入局部最优，此时周期共享机制只会加速种群陷入局部最优解，无法跳出，故将知识板引入到子种群搜索过程中，知识板中记录的信息及时反馈到该子种群，子种群根据反馈的信息，及时调整搜索方向，跳出局部最优，朝着全局最优的方向搜索；具体过程包括如下步骤:步骤a，参数初始化：设定粒子个数N，搜索空间的维数D，惯性权重ω，认知系数c1，社会系数c2，协同系数c3，最大速度Vmax等参数；步骤b,，对种群中参与搜索的微粒的速度、位置随机初始化，并对飞行速度和位置给出边界限制，即满足xi∈[xmin,xmax]D，vi∈[vmin,vmax]D，找出微粒初始状态下的个体历史最优值pbest和群体最优值gbest；步骤c，将微粒群中的所有微粒视作一棵树的根节点，依据最优二叉树的生成原则，将此生成一棵树，根据设定的聚类个数K，逆序寻找合适的叶节点，即可找到K个初始聚类中心；通过K均值聚类算法的迭代，当聚类中心不再变化时，则可将整个种群划分为K个子种群；步骤d，将整个迭代次数分成多个小的周期，第一个周期内，所有子种群均独立的搜索，依据公式(1)和公式(2)，进行速度和位置的更新；vi(t+1)＝w*vi(t)+c2*r2*(pg(t)‑xi(t))   (1)xi(t+1)＝xi(t)+vi(t+1)   (2)且将搜索到的全局最优解PG＝(pg1，p，g2，pg3…pgK)保存到知识板中；第k个周期内，子种群k参与协同搜索，如果根据知识板上的信息得知子种群k在解空间中具有较强的搜索能力，则子种群k根据子种群k‑1的搜索到的最优位置协同搜索；如果判断子种群k在解空间的搜索能力较弱，则子种群基于知识板上的信息协同搜索，采用公式(5)和公式(6)更新位置和速度，其余子种群均独立搜索采用公式(1)和公式(2)更新位置和速度；其中步骤e，如果未达到最大迭代次数或不满足精度要求，则返回步骤三；否则继续搜索，直到满足收敛精度跳出循环。